Η τεχνητή νοημοσύνη μπορεί να επιταχύνει σημαντικά την ανάπτυξη λογισμικού και να περιορίσει τον αριθμό των μηχανικών που απαιτούνται για ορισμένα έργα, αλλά δεν υποκαθιστά την εμπειρία και την ανθρώπινη ευθύνη, εκτιμά ο Manoj Aggarwal. Ο επικεφαλής μηχανικός λογισμικού, ο οποίος ζει στην Καλιφόρνια και έχει εργαστεί επί 14 χρόνια στον κλάδο, μεταξύ άλλων σε Microsoft, Twitter και Stripe, υποστηρίζει ότι οι junior θέσεις ενδέχεται να δεχθούν τη μεγαλύτερη πίεση, ενώ οι εταιρείες θα συνεχίσουν να χρειάζονται έμπειρους επαγγελματίες που γνωρίζουν να συνεργάζονται με εργαλεία AI.
- Ο Aggarwal λέει ότι η AI άλλαξε πλήρως τη ροή εργασίας του κατά τον τελευταίο χρόνο.
- Σε ορισμένες περιπτώσεις εκτιμά ότι εργάζεται με ρυθμό έως και δέκα φορές ταχύτερο.
- Κατά την τελευταία αναζήτηση εργασίας του διέκρινε περισσότερες αγγελίες για senior παρά για junior ρόλους.
- Τονίζει ότι ο μηχανικός παραμένει υπεύθυνος για τον κώδικα που τελικά διατίθεται.
Τα prompts αντικαθιστούν μεγάλο μέρος της χειροκίνητης συγγραφής κώδικα
Στη σημερινή του θέση σε μεγάλη εταιρεία λογισμικού, ο Aggarwal χρησιμοποιεί την τεχνητή νοημοσύνη σε τέτοιο βαθμό ώστε, όπως περιγράφει, μεγάλο μέρος του χρόνου προγραμματισμού του έχει μετατραπεί σε συγγραφή prompts. Η ταχύτητα δεν είναι σταθερή σε κάθε εργασία, ωστόσο σε κάποιες περιπτώσεις αισθάνεται ότι κινείται δέκα φορές γρηγορότερα.
Ως ενδεικτικό παράδειγμα για το πώς μπορεί να αλλάξει η στελέχωση, αναφέρει ότι ένα έργο που πριν από δύο χρόνια θα απαιτούσε δέκα μηχανικούς ίσως σήμερα ολοκληρώνεται με πέντε. Πρόκειται για δική του εκτίμηση και όχι για καταγεγραμμένη μεταβολή σε ολόκληρη την αγορά.
Η αύξηση της παραγωγικότητας δεν εξαλείφει την ευθύνη: ο άνθρωπος εξακολουθεί να εγκρίνει τον κώδικα που φτάνει στο τελικό προϊόν.
Η ανασκόπηση κώδικα αποτελεί το στάδιο κατά το οποίο ελέγχονται, μεταξύ άλλων, η ορθότητα και η συμβατότητα μιας αλλαγής με το υπόλοιπο σύστημα. Τα εργαλεία AI μπορούν να κάνουν αυτή τη διαδικασία ταχύτερη και πιο στοχευμένη, σύμφωνα με τον Aggarwal, αλλά δημιουργούν παράλληλα πρόσθετο υλικό προς επαλήθευση. Ο ίδιος θεωρεί ότι αυτή η επιπλέον ευθύνη μπορεί να συμβάλει στην επαγγελματική εξουθένωση.
Η εμπειρία και η γνώση της εταιρείας αποκτούν μεγαλύτερο βάρος
Ο Aggarwal υποστηρίζει ότι η τεχνητή νοημοσύνη δεν διαθέτει από μόνη της τη συνολική εικόνα για το πώς πρέπει να σχεδιαστεί ένα σύστημα ή για ποιους λόγους έχουν ληφθεί συγκεκριμένες τεχνικές αποφάσεις. Σε αυτό το σημείο τοποθετεί την αξία των έμπειρων μηχανικών, οι οποίοι συνδυάζουν τεχνικές δεξιότητες με θεσμική γνώση για τα συστήματα και τις ανάγκες της εταιρείας τους.
Η θεσμική γνώση περιλαμβάνει το ιστορικό των επιλογών, τους εσωτερικούς περιορισμούς και τις απαιτήσεις που δεν αποτυπώνονται πάντοτε πλήρως στον κώδικα. Επειδή τα μοντέλα AI μπορούν επίσης να κάνουν λάθη, ο Aggarwal θεωρεί απαραίτητη την παρουσία ανθρώπου στη διαδικασία.
Αν η ανάγκη για μικρότερες ομάδες παγιωθεί, αυτό θα μπορούσε να δυσκολέψει την είσοδο νέων μηχανικών στην αγορά, χωρίς να σημαίνει ότι εξαφανίζεται συνολικά το επάγγελμα.
Οι junior ρόλοι λειτουργούν συνήθως ως πεδίο απόκτησης πρακτικής εμπειρίας υπό την καθοδήγηση πιο έμπειρων συναδέλφων. Επομένως, μια πιθανή συρρίκνωσή τους θα είχε ευρύτερη σημασία: οι εταιρείες θα έπρεπε να βρουν άλλους τρόπους για να αναπτύσσουν τη νέα γενιά senior στελεχών. Αυτό αποτελεί πιθανή συνέπεια και όχι εξέλιξη που καταγράφεται στη συγκεκριμένη μαρτυρία.
Πειραματισμός με εργαλεία AI και προσωπικά έργα
Για να παραμένει ενημερωμένος, ο Aggarwal αφιερώνει περίπου δύο ώρες την εβδομάδα εκτός εργασίας σε πειραματισμούς. Χρησιμοποιεί εργαλεία όπως Claude Code, Microsoft Copilot και Lovable, ενώ δαπανά περίπου 50 έως 60 δολάρια τον μήνα μόνο για το Claude Code, ανάλογα με τη χρήση και τη συνδρομή.
Ένα από τα προσωπικά του έργα είναι ένας ανοικτού κώδικα φορολογικός και οικονομικός βοηθός. Το εργαλείο συνδέεται με μοντέλα όπως το Gemini ή το ChatGPT και αναλύει οικονομικά έγγραφα, όπως κινήσεις πιστωτικών καρτών, επενδυτικά χαρτοφυλάκια και φορολογικά έντυπα. Ο ίδιος το σχεδίασε ώστε να λειτουργεί τοπικά στον υπολογιστή του, επειδή δεν ήθελε να αποστέλλει προσωπικά οικονομικά δεδομένα σε μοντέλα AI μέσω του διαδικτύου.
Η βασική συμβουλή του προς άλλους μηχανικούς είναι να δοκιμάζουν διαφορετικά εργαλεία και να εντοπίζουν όσα ταιριάζουν στη δουλειά τους. Κατά την εκτίμησή του, ένας επαγγελματίας που χρησιμοποιεί αποτελεσματικά την AI θα έχει υψηλότερη παραγωγικότητα από κάποιον που την αποφεύγει.
Πιστεύετε ότι η AI θα περιορίσει κυρίως τις junior θέσεις ή θα δημιουργήσει νέους δρόμους εισόδου στον προγραμματισμό;
